【技术实现步骤摘要】
本专利技术涉及电力网络，尤其涉及一种变电站过程层网络异常识别方法及装置。
技术介绍
1、电力系统自动化在逻辑结构上可分为“过程层”、“间隔层”、“站控层”这三个层次。间隔层主要指的是继电保护与测控、录波等，站控层主要指的是厂站级的监控，过程层是指数字化变电站中的智能设备。
2、变电站过程层网络是智能变电站信息传输及共享的基础，其性能决定了智能变电站乃至电网的安全可靠运行。智能变电站过程层网络信息流既承载着采样、开关状态等电网运行状态数据，也承载着二次设备间跳闸、闭锁等控制命令，过程层网络的性能最终可表征为信息流的分布特性、实时性、可靠性和同步性等特征指标。在设备异常导致网络数据异常的情况下，过程层网络可能出现网络拥塞、数据丢失、广播风暴等诸多异常情况，将严重影响信息流的实时性和可靠性，给继电保护等二次系统的可靠运行带来挑战。因此，变电站过程层网络异常识别是缓解网络通信问题，提高网络通信质量，确保变电站各个业务顺利开展的重要保障技术之一，现有技术中虽然存在对电网故障进行识别的方法，但是并没有针对变电站过程层网络进行异常识别的方案。
技术实现思路
1、鉴于此，本专利技术实施例提供了一种变电站过程层网络异常识别方法及装置，以消除或改善现有技术中存在的一个或更多个缺陷，解决现有技术无法针对变电站过程层网络进行异常检测的问题。
2、一个方面，本专利技术提供一种变电站过程层网络异常识别方法，该方法包括以下步骤：
3、解析变电站配置文件，获取基于智能电子设备的
4、监测过程层网络流量数据，包括当前时段内面向通用对象的变电站事件报文和采样值报文；获取所述变电站事件报文中的事件计数器值、第一报文计数器值和第一发送时间间隔，获取所述变电站事件报文中控制块路径标记的第一智能电子设备标识；获取所述采样值报文中的第二报文计数器值、第二发送时间间隔，获取所述变电站事件报文中采样值id对应的第二智能电子设备标识；
5、获取当前时段内所述过程层网络流量数据的时域特征和频域特征，所述时域特征包括当前时间段内运行的智能电子设备个数、端口连接数、具有相同标识的主机连接数、具有相同报文类型的连接数、具有相同主机和报文类型的连接数、以及主机不同且报文类型相同的连接数；所述频域特征包括间隔层与过程层智能电子设备之间上行流量大小和下行流量大小；将所述时域特征和所述频域特征输入预训练的支持向量机，以识别流量异常状态；
6、将当前时间段内的所述变电站事件报文和所述采样值报文按照访问点名称分类并按照时间戳序列构建变电站事件报文序列和采样值报文序列，核查所述第一报文计数器和所述第二报文计数器以识别报文连续性异常状态；
7、统计预设正常运行时间段内所述变电站事件报文的第一最小发送时间间隔和第一最大发送时间间隔，所述采样值报文的第二最小发送时间间隔和第二最大发送时间间隔；将预设正常运行时间段内划分为多个子时间段，统计每个子时间段内所述变电站事件报文的发生频次，并标记所述变电站事件报文发生频次的第一上界和第一下界；获取当前时间段内所述变电站事件报文的第一时间间隔、发生频次以及所述采样值报文的第二时间间隔，并与所述第一最小发送时间间隔、所述第一最大发送时间间隔、所述第二最小发送时间间隔、所述第二最大发送时间间隔、所述第一上界和所述第一下界进行比较判断报文异常状态；
8、以流量异常状态为根节点，以所述变电站事件报文序列和所述采样值报文序列的报文连续性异常状态和报文异常状态为中间节点，以正常、报文不连续、过流量异常和低流量异常为叶子节点构建决策树，执行变电站过程层网络异常判断。
9、在一些实施例中，将所述时域特征和所述频域特征输入预训练的支持向量机之前，还包括：对各流量片段的所述时域特征和所述频域特征进行归一化。
10、在一些实施例中，所述支持向量机的训练方式包括：
11、通过所述滑动窗口将样本时段中正常状态下的过程层网络流量数据均分割为设定数量个样本流量片段，并从每个样本流量片段中提取样本时域特征和样本频域特征，并构建训练样本集；所述样本时域特征包括当前时间段内运行的智能电子设备个数、端口连接数、具有相同标识的主机连接数、具有相同报文类型的连接数、具有相同主机和报文类型的连接数、以及主机不同且报文类型相同的连接数；所述样本频域特征包括间隔层与过程层智能电子设备之间上行流量大小和下行流量大小；
12、基于所述训练样本集构建一类支持向量机，使正常状态下的所有样本流量片段的特征向量落入所述一类支持向量机构建的超球体内部。
13、在一些实施例中，基于所述训练样本集构建一类支持向量机，表达式为：
14、
15、||si-o||2≤r+δi；
16、其中，o表示所述超球体的球心，r表示所述超球体的半径，v(o,r)表示所述超球体的体积，c表示惩罚系数，δi表示松弛变量，1≤i≤m，m表示样本数，si表示第i个样本。
17、在一些实施例中，将预设正常运行时间段内划分为多个子时间段，统计每个子时间段内所述变电站事件报文的发生频次，包括：
18、对于正常运行时段[0,t]随机抽取k个时间段，[bgnk，endk]∈[0，t],1≤k≤k；
19、统计第k个时间段内所述变电站事件报文对应的事件数为entnumk，第k个时间段内时间发生频次计算式为：
20、avgentnumk＝entnumk/(endk-bgnk)。
21、在一些实施例中，以流量异常状态为根节点，以所述变电站事件报文序列和所述采样值报文序列的报文连续性异常状态和报文异常状态为中间节点，以正常、报文不连续、过流量异常和低流量异常为叶子节点构建决策树，所述决策树自顶向下遍历判定规则包括：
22、若流量状态正常，且报文连续性状态正常，则判定所述变电站过程层网络状态为正常；
23、若流量状态正常，且报文连续性状态非连续，则判定所述变电站过程层网络状态为报文不连续；
24、若流量状态异常，报文类型为采样值报文且其报文发送间隔小于所述第二最小发送时间间隔，则判定所述变电站过程层网络状态为过流量异常；
25、若流量状态异常，报文类型为采样值报文且其报文发送间隔大于所述第二最大发送时间间隔，则判定所述变电站过程层网络状态为低流量异常；
26、若流量状态异常，报文类型为变电站事件报文，且发生频次符合预期范围，报文发送间隔小于第一最小发送时间间隔，则判定所述变电站过程层网络状态为过流量异常；
27、若流量状态异常，报文类型为变电站事件报文，且发生频次符合所述预期范围，报文发送间隔大于第一最大发送时间间隔，则判定所述变电站过程层网络状态为低流量异常；
28、若流量状态异常，报文类型为变电站事件报文，且发生频次高于所述预期范围，则判定所述变电站过程层网络状态为过流量异常；
29、若流量状态异常本文档来自技高网...
【技术保护点】
1.一种变电站过程层网络异常识别方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的变电站过程层网络异常识别方法，其特征在于，将所述时域特征和所述频域特征输入预训练的支持向量机之前，还包括：对各流量片段的所述时域特征和所述频域特征进行归一化。
3.根据权利要求2所述的变电站过程层网络异常识别方法，其特征在于，所述支持向量机的训练方式包括：
4.根据权利要求3所述的变电站过程层网络异常识别方法，其特征在于，基于所述训练样本集构建一类支持向量机，表达式为：
5.根据权利要求1所述的变电站过程层网络异常识别方法，其特征在于，将预设正常运行时间段内划分为多个子时间段，统计每个子时间段内所述变电站事件报文的发生频次，包括：
6.根据权利要求1所述的变电站过程层网络异常识别方法，其特征在于，以流量异常状态为根节点，以所述变电站事件报文序列和所述采样值报文序列的报文连续性异常状态和报文异常状态为中间节点，以正常、报文不连续、过流量异常和低流量异常为叶子节点构建决策树，所述决策树自顶向下遍历判定规则包括：
7.根
8.根据权利要求7所述的变电站过程层网络异常识别方法，其特征在于，所述方法还包括：根据故障判断结果生弄成告警提示并展示。
9.一种变电站过程层网络异常识别装置，包括处理器和存储器，其特征在于，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该装置实现如权利要求1至8中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至8中任一项所述方法的步骤。
...【技术特征摘要】
1.一种变电站过程层网络异常识别方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的变电站过程层网络异常识别方法，其特征在于，将所述时域特征和所述频域特征输入预训练的支持向量机之前，还包括：对各流量片段的所述时域特征和所述频域特征进行归一化。
3.根据权利要求2所述的变电站过程层网络异常识别方法，其特征在于，所述支持向量机的训练方式包括：
4.根据权利要求3所述的变电站过程层网络异常识别方法，其特征在于，基于所述训练样本集构建一类支持向量机，表达式为：
5.根据权利要求1所述的变电站过程层网络异常识别方法，其特征在于，将预设正常运行时间段内划分为多个子时间段，统计每个子时间段内所述变电站事件报文的发生频次，包括：
6.根据权利要求1所述的变电站过程层网络异常识别方法，其特征在于，以流量异常状态为根节点，以所述变电...
【专利技术属性】
技术研发人员：李伟，蔡昊，江凇，汪大洋，李沛，束一，华纬韬，赵金城，梅增杨，
申请(专利权)人：国网江苏省电力有限公司信息通信分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。